인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Abstract Recently, segmentation-based approaches have been proposed to tackle arbitrary-shaped text detection. The trade-off between speed and accuracy is still a challenge that hinders its deployment in practical applications. Previous methods adopt complex pipelines to improve accuracy while ignoring inference speed. Moreover, the performance of most efficient scene text detectors often suffers from weak feature extraction when equipping lightweight networks. In this paper, we propose a novel distillation method for efficient and accurate arbitrary-shaped text detection, termed kernel-mask knowledge distillation. Our approach equips a low computational-cost visual transformer module (VTM) and a feature adaptation layer to make full use of feature-based and response-based knowledge in distillation. More specifically, first, the text features are obtained by aggregating the multi-level information extracted in the respective backbones of the teacher and student networks. Second, the text features are respectively sent to the VTM to enhance the feature representation ability. Then, we distill the feature-based and response-based kernel knowledge of the teacher network to obtain an efficient and accurate arbitrary-shaped text detection model. Extensive experiments on publicly available datasets demonstrate the state-of-the-art performance of our method. It is worth noting that our method can achieve a competitive F -measure of 86.92% at 34.5 FPS on Total-text. Code is available at https://github.com/giganticpower/KKDnet .
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
